王懷波 李冀紅 楊現(xiàn)民

摘要：人類社會已經(jīng)進入“數(shù)據(jù)驅(qū)動學校，分析變革教育”的大數(shù)據(jù)時代，大數(shù)據(jù)的推廣與使用必將變革傳統(tǒng)教育的面貌，而學習分析則是助推這場變革中的核心力量。目前，學習分析技術在教育領域的應用正處于起步階段，許多研究者從不同的角度為學習分析技術在教育領域應用提供新思路，并嘗試構建了不同的學習分析模型。由于現(xiàn)有學習分析模型的側(cè)重點不同，且未能呈現(xiàn)出明確的分析目標，為此該文構建目標導向的學習分析系統(tǒng)模型，旨在通過從診斷評估、學習預測、教育研究三種應用目標的確立，為學習分析技術在教育領域中的應用提供新的明確思路。目標導向?qū)W習分析模型可以概括為“一個目標、兩類約束、三種受眾、四個環(huán)節(jié)”。目標的確定是學習分析得以開展的關鍵前提；兩類約束包含影響學生學習效果的內(nèi)在約束和外在環(huán)境約束；教師、學生、教育管理者是學習分析系統(tǒng)中的主要受益者；數(shù)據(jù)收集與存儲、數(shù)據(jù)處理與分析、分析結果與呈現(xiàn)以及結果的應用與服務是學習分析的主要流程。

關鍵詞：目標導向；學習分析；學習分析模型；應用目標

一、引言

在信息化進程快速推進的今天，在線學習已然成為大家獲取、創(chuàng)造知識的重要場所。據(jù)《2017年教育行業(yè)藍皮書》統(tǒng)計，截至2017年6月，中國在線教育用戶規(guī)模已多達1.44億人，如此大規(guī)模的在線教育用戶必將產(chǎn)生海量的教育大數(shù)據(jù)，并且隨著信息化程度的不斷提高，這些數(shù)據(jù)還在以幾何級的規(guī)模遞增，而這海量的教育數(shù)據(jù)及其所具有的巨大價值潛能，勢必會帶來新一輪教育領域的變革?！皵?shù)據(jù)驅(qū)動學校，分析變革教育”的新時代已經(jīng)來臨，借助教育大數(shù)據(jù)與學習分析技術，構建教育領域相關模型、探究新時期下教與學的基礎規(guī)律，破解教育個性化、資源品配置公平以及教育效果提升等時代難題，將成為未來教育發(fā)展的重要方向。美國新媒體聯(lián)盟（NMC）在《地平線報告》中連續(xù)四年將學習分析列為影響未來教育的重要技術之一。從2011年第一次以未來主流技術被寫入《地平線報告》，到2014年成為未來1年廣泛采用的新技術被寫入《地平線報告》，學習分析技術完成了從預測的4-5年的長期影響到1年以內(nèi)短期影響的蛻變，可見其在教育領域中發(fā)展速度之快，關注力度之高。

學習分析的核心是對學生學習過程中產(chǎn)生大范圍數(shù)據(jù)的解釋，以用于評估學術過程、預測未來表現(xiàn)和發(fā)現(xiàn)潛在問題。學習分析的應用目標不同導致分析過程中數(shù)據(jù)采集、存儲、分析工具的選擇以及結果的呈現(xiàn)方式各不相同。為此，國內(nèi)外眾多研究者依據(jù)各自實踐應用中的目標提出不同的學習分析模型，比如Brown的五要素模型和G.Siemens的學習分析過程模型。從現(xiàn)有學習分析模型可以看出，不同研究者對學習分析應用目標的定位不同，導致學習分析模型側(cè)重點各不相同，繼而導致研究者、教師、教學管理者對學習分析目標把握“不準確”，對學習分析理解應用比較“模糊”。

本文在調(diào)研國內(nèi)外學習分析研究模型的基礎上，嘗試構建以目標為導向的學習分析系統(tǒng)模型，并對學習分析技術在教育領域中的創(chuàng)新應用提供新思路，以期為國內(nèi)學習分析技術的推廣與應用帶來一定啟發(fā)。

二、現(xiàn)有模型介紹與分析

當前，國內(nèi)外已有一些研究者和實踐者開始對學習分析的教育應用進行了研究，并構建了不同的學習分析模型。根據(jù)現(xiàn)有學習分析模型的構建視角不同，可將模型分為兩大類，一種從宏觀角度構建學習分析要素模型，其旨在通過提煉學習分析中的關鍵要素，勾勒出學習分析的整體面貌；其次是從微觀角度構建學習分析過程模型，目的在于通過描述學習分析的具體操作步驟，促進學習分析的推廣與使用。

（一）從構成要素角度構建學習分析模型

Malcolm Brown認為學習分析技術是繼學習管理系統(tǒng)（LMS）后教育技術大規(guī)模發(fā)展的第三次浪潮，其核心在于利用學生收集、分析與學習行為相關數(shù)據(jù)，以便做出恰當?shù)闹笇c干預。他認為學習分析的核心模塊包括數(shù)據(jù)收集（Data Collection）、分析（Analysis）、學習（Student Learning）、受益方（Audience）和干預（Interventions）五大要素。并強調(diào)學生學習是學習分析區(qū)別于其它分析的關鍵要素。學習分析就是通過學習行為相關數(shù)據(jù)，來觀察、判斷學生學習情況，如學生在干什么、學習時間用在了哪、閱讀了什么內(nèi)容、進行了哪些活動、如何與同伴進行互動等等。學習分析的結果一般反饋給教師、學生以及教學管理者，旨在識別在學業(yè)上“危險”的學生，輔助教師做出適應性的干預措施，并為教學管理者提供科學的管理依據(jù)。

Wolfgang Greller等人從分析目標、數(shù)據(jù)類型、分析方法、約束條件以及利益相關者等角度構建了學習分析要素模型（如圖1所示）。他認為學習分析的目的在于預測學習結果幫助學習者反思，采用分析的方式涉及到數(shù)據(jù)挖掘、機器學習以及統(tǒng)計學等。在其模型中最為突出的是，強調(diào)關注在實施過程中的內(nèi)部約束和外部約束條件，以保證學習分析對學習者隱私的保護。

國內(nèi)學者李艷燕等在綜合國外現(xiàn)有學習分析模型基礎上系統(tǒng)性地提出學習分析概念模型。李艷燕等人認為學習分析主要由五大要素構成，即學習過程、學習環(huán)境、教育環(huán)境、受眾以及五個環(huán)節(jié)。其中“學習過程”要素即Brown學習分析要素模型中的學習（Student Learning），是學習分析與其他分析本質(zhì)的差異點；學習環(huán)境表示學習者與教師在教學過程中的軟硬件環(huán)境；而教育環(huán)境則側(cè)重于社會大環(huán)境，體現(xiàn)國家層面的教育政策與規(guī)劃等；受眾主要包含學生、教師、教學管理者；五個環(huán)節(jié)（數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析、數(shù)據(jù)表示與應用服務）是學習分析過程的重要體現(xiàn)。

學習分析要素模型旨在從宏觀角度幫助教師、學生以及教育管理者把握學習分析的整體面貌，明確學習分析過程中的各關鍵要素。但要素模型也存在一定的缺陷，一是學習分析的具體流程不夠清晰，例如Brown的五要素模型在為讀者宏觀勾勒出學習分析整體面貌后，卻沒有具體細化各要素間的具體流程；二是學習分析的目標過于籠統(tǒng)，例如Wolfgang等人的要素模型中，反饋和預測兩目標的設定為學習分析目標提供了總體的思路，卻缺乏具體明確的目標導向。

（二）從過程角度構建學習分析模型

Tanya Elias從技術資源視角出發(fā)，提出了以計算機、人力、理論和組織為核心的學習分析模型。他強調(diào)學習分析是一個循環(huán)過程，即通過獲取、選擇收集數(shù)據(jù)，將整理后的數(shù)據(jù)進行聚合處理并構建預測模型，接著利用數(shù)據(jù)分析結果來優(yōu)化學習過程，最后將優(yōu)化、應用后的分析結果再次分享、反饋給數(shù)據(jù)收集人員，從而指引下階段數(shù)據(jù)收集。如此循環(huán)往復，以達到利用學習分析對整個學習過程中的資源利用、教育、教學進行持續(xù)改善。

聯(lián)通主義學習理論創(chuàng)始人G.Siemens，從探究學習分析如何重構教學、學習、管理過程角度，構建了包含收集、分析、預測和適應性調(diào)整四個階段學習分析過程模型（如下頁圖2所示）。從數(shù)據(jù)收集來看主要包含兩大種類，一類是學習者數(shù)據(jù)，主要來源于學生在移動終端、社會性軟件以及其他在線學習平臺上所記錄的數(shù)據(jù)，這些數(shù)據(jù)主要記錄了學習者與系統(tǒng)之間的交互過程；另一類數(shù)據(jù)主要來自學習者在線學習的相關數(shù)據(jù)，這些數(shù)據(jù)主要記錄了學生與教師、學生與學生之間的交互內(nèi)容。有了這些數(shù)據(jù)后，便可利用諸如概念認知、社會網(wǎng)絡分析進行學習分析，并對分析結果進行可視化顯示等。在預測階段，除了利用分析的結果之外，還需要結合學生個體資料，以便做出符合學生個體的預測判斷。在適應性調(diào)整階段，更多的是強調(diào)教師在利用分析結果進行預測教學，并反饋到教學的實踐中，指導和調(diào)整教學，使課程更加個性化，滿足不同學習者的需求。

此后，G.Siemens在實踐的基礎上對學習分析過程模型進行了調(diào)整與優(yōu)化，提出了一個新型循環(huán)模型（如下頁圖3所示）。該學習分析模型核心包括數(shù)據(jù)收集和獲取、存儲、清理、整合、分析、呈現(xiàn)與可視化、行動七個模塊。在優(yōu)化后的學習分析模型中，西蒙斯將數(shù)據(jù)收集階段進一步的細化：數(shù)據(jù)收集和獲取、存儲、清理以及整合；并且在優(yōu)化后的模型中融入了方便教師、學生、教學管理者對數(shù)據(jù)分析結果的直觀解讀的可視化呈現(xiàn)模塊；此外，在應用模塊將適應性調(diào)整模塊改為了行動（干預、警告、引導、優(yōu)化、系統(tǒng)化、改進等），以拓寬早期學習分析應用范圍。

學習分析過程模型中詳細的步驟指導，為其在教育領域中的推廣應用起到了積極的作用，例如G.Siemens先后提出的兩個學習分析模型，通過對不同過程模塊的詳細闡述與分析，為學習分析的應用提供了明確的思路與方法。但是這類模型由于缺乏一個宏觀的視角，往往會過分追求某一環(huán)節(jié)發(fā)展而弱化對整體的把握；此外這類模型也沒有考慮到對學習分析過程有著重要影響的外部的環(huán)境因素和約束條件。

三、學習分析技術的應用目標

學習分析的應用服務因目標導向的不同，存在一定的差異。M.A.Chatti等人將學習分析應用服務劃分為監(jiān)測和分析、預測和干預、指導和輔助、評估和反饋、自適應、個性化和推薦、反思等七個部分。國內(nèi)學者李艷燕等人將學習分析應用服務歸納為績效評估、過程預測以及活動干預三個部分。日本學者Yasuhisa將學習分析的應用總結為個性化教學指導（績效診斷、預測、個性化、干預）與研究（預測、可視化）兩個方面。

因此綜合上述對學習分析應用服務的分析，以及考慮到學習分析的三類主要受眾（教師、學生、教學管理者），本研究將學習分析應用目標總結為三個方面（診斷評估、學習預測、教育研究），以幫助分析人員對目標的把握從而更好地應用學習分析技術。具體如下：

（一）診斷評估：全面采集課程數(shù)據(jù)，分析學習效果，理解學習過程

診斷評估是對學生現(xiàn)有學習狀態(tài)進行報告，是學習分析應用目標中較為重要的分支。診斷評估需要在分析學生學習相關數(shù)據(jù)基礎上，評價學生學習成就、診斷學生學習狀態(tài)、評估教師教學效果、判斷課程安排是否合理、分析教學環(huán)境等。具體來說就是通過分析結果有效指導教師及時調(diào)整教學步伐，改善教學環(huán)境，發(fā)現(xiàn)學生知識的薄弱點，并有針對性地進行教學指導。診斷評估不僅實現(xiàn)了對學生全面、多樣化的教學評估，也體現(xiàn)了注重學生自身成長、尊重學生獨特思維方式的需求。

當前，國際知名的學習分析診斷評估的案例當屬美國的Desire2Learn學習分析系統(tǒng)。該系統(tǒng)通過收集分析每個學生與學習相關的教育數(shù)據(jù)，診斷學生學習情況，及時發(fā)現(xiàn)學生知識空白點，以便做出教學調(diào)整與規(guī)劃。以Desire2Learn公司最近推出了“學員成功系統(tǒng)”（S3，Student Success System）分析平臺為例，該平臺不僅為老師提供查看整個班級表現(xiàn)的報表的便利，也能像傳統(tǒng)OLAP聯(lián)機即時分析工具那樣，能對教學報表進行鉆取、篩選學生或課程的詳細的信息，來檢視學生的能力、參與度和評估分數(shù)。此外還有美國Knewton自適應學習平臺，通過跟蹤學生在線學習數(shù)據(jù)自動檢測學生學習情況，以了解每個學生學習過程；北亞利桑那大學對全校在校學生的課程學習成績評估GPS系統(tǒng)等。

（二）學習預測：實時監(jiān)控學習狀況，預測學習結果，解決潛在危機

學習預測是學習分析中另一個較為突出的應用目標，即利用零散的學習行為數(shù)據(jù)推斷出學生未來學習表現(xiàn)，其目的在于方便教師及早發(fā)現(xiàn)“問題學生”并進行教學干預，提高學生預期學習效果。學習預測通過實時監(jiān)控系統(tǒng)來了解學生學習狀況、預測學生學習結果，解決學習過程中潛在的危機（學習路徑危機、學習結果風險）。教師根據(jù)學習可能存在的學習路徑危機，提供有針對性的指導、干預以及合適的教育資源，以確保學生能夠均衡發(fā)展；對于學生在學習結果中可能存在的不合格風險，教師可以針對性的調(diào)整教學策略、改善教學方法，以保證學生取得較好的課程成績。

目前國際較為成功的在線學習預測項目有許多，其中較為典型的教育預警應用案例，如美國普渡大學的“課程信號”（Course Signals）項目。項目通過所研發(fā)的課程學習預警平臺，采集學生課程學習過程中所保留的行為數(shù)據(jù)，結合所研發(fā)的預測算法，用以分析學習者課程學習通過的概率。同時平臺還依據(jù)預測的結果，為學生推薦個性化的學習資源、為教師提供有針對性的教學指導，從而提高學生課程學習的成功率和新生保有率。此外還有一些學者通過跟蹤和采集Blackboard在線學習平臺上學習者的行為數(shù)據(jù)，用以預測學習者在線學習過程中的潛在學習危機。

（三）教育研究：深入研究分析結果，探究教育規(guī)律，解決教育問題

教育研究即教育科學研究，是人們利用科學的方法探究教育事業(yè)的本質(zhì)、總結教育規(guī)律、取得科學結論、解決教育問題、促進教育事業(yè)發(fā)展的研究活動過程。學習分析技術通過深入分析學生學習過程，為教育研究者提供科學的方法探究教育事業(yè)的本質(zhì)，以發(fā)現(xiàn)在線教育中的一般性規(guī)律，解決教育教學中潛在的問題。學習分析技術在教育研究中的應用著重體現(xiàn)在兩個方面：在宏觀層面上，學習分析技術結合大數(shù)據(jù)、云計算等新興技術，極大地提高了分析結果的科學性、客觀性與準確性，避免了傳統(tǒng)教育研究模式下數(shù)據(jù)的片面性與主觀化，也改變了傳統(tǒng)教育資源配置、教育區(qū)域均衡等痼疾；在微觀層面上，學習分析可以輔助教師將實驗數(shù)據(jù)“化繁為簡”，提煉科研精華、提高科研質(zhì)量，為切實提高教學質(zhì)量提供科學的依據(jù)。

利用數(shù)據(jù)分析支撐教育教學研究，已然成為各大高校、區(qū)域教育機構廣泛采納的方法。目前，美國弗吉尼亞州正在建立一個“縱向數(shù)據(jù)系統(tǒng)（LDS）”項目，該項目計劃將學生從幼兒園到高中再到大學過程中產(chǎn)生的數(shù)據(jù)進行跟蹤分析，以改變弗吉尼亞州教育資源配置、教育均衡等問題。弗吉尼亞州高等教育委員會也表示通過這些公共非營利的教育數(shù)據(jù)，以改善目前教育預算、學校招生、以及師資均衡等諸多教學問題。此外，還有美國國家教育統(tǒng)計中心（National Center for EducationStatistics，NCES），通過收集美國國家教育統(tǒng)計數(shù)據(jù)，分析統(tǒng)計數(shù)據(jù)的意義，為州、地方機構以及高等教育機構探究教育規(guī)律、制定決策、解決教育問題提供科學的依據(jù)。

四、目標導向的學習分析模型構建

學習分析要素模型與學習分析過程模型并非完全孤立的兩種模型，不同學習分析模型因模型的應用目標不同，其側(cè)重點也各不相同，但不同模型之間仍然存在許多相似之處?？傮w來說，現(xiàn)有學習分析模型可以歸納出四個共同之處：數(shù)據(jù)收集是基礎、分析技術是核心、結果呈現(xiàn)是關鍵、應用服務是宗旨。

學習分析模型的構建除了需要考慮學習分析的一般步驟，還需要考慮學習分析的目標導向、考慮影響學習分析效果的制約因素、考慮在學習分析中受益的對象等各種相關要素。依據(jù)上述分析，筆者構建了以目標為導向的學習分析模型（如圖4所示）。以目標為導向的學習分析模型可以概括為“一個目標、兩種約束、三類受眾、四個環(huán)節(jié)（數(shù)據(jù)收集與存儲、數(shù)據(jù)處理與分析、分析結果與呈現(xiàn)以及應用與服務）”。

在學習分析模型中首先需要明確分析目標，以促進更高效的收集相關數(shù)據(jù)；“數(shù)據(jù)收集與存儲”關系到數(shù)據(jù)收集的種類以及對于不同格式數(shù)據(jù)的存儲解決方案；“數(shù)據(jù)處理與分析”對于冗余的數(shù)據(jù)要進行預處理分析，在此基礎上進行分析與構建模型；“結果的呈現(xiàn)”側(cè)重于將繁雜、難懂的分析結果以直觀化、可理解的方式呈現(xiàn)出來；“應用服務”主要包含診斷評估、預測表現(xiàn)以及教育研究，其中具體的手段包括干預、指導、調(diào)整教學等等。需要指出的是，以目標為導向的學習分析系統(tǒng)模型也是一個持續(xù)改進、循環(huán)上升的模型。

（一）一個目標

學習分析需要有明確而具體的目標，數(shù)據(jù)的收集、處理、分析、結果呈現(xiàn)以及應用服務都是圍繞目標而進行，每一方面是否達到標準歸根到底都以是否達到目標為衡量標準。學習分析的應用領域即學習分析預期要達成的學習結果，是目標制定的出發(fā)點與依據(jù)。美國《通用教育數(shù)據(jù)挖掘和學習分析促進教與學》報告中將學習分析的應用領域總結為八個方面：學習者知識建模、學習者行為建模、學習者經(jīng)歷建模、學習者建檔、領域知識建模、學習組件分析和教學策略分析、趨勢分析、自適應學習系統(tǒng)和個性化學習。不同的應用領域決定了不同目標的確立，概括起來可分為診斷評估、預測表現(xiàn)以及教育研究三大目標。例如學習者行為建模的應用決定了目標以評估學習者行為表現(xiàn)、診斷學習者學習情況為主，而教學策略分析則決定了以評價教師教學效果與策略為主的學習分析目標。

（二）兩種約束

約束即那些影響學生學習效果的制約因素，具體包含內(nèi)部約束和外部約束兩部分。內(nèi)部約束主要指那些來自學生內(nèi)部且影響學習效果的因素，包括學習者現(xiàn)有學習經(jīng)驗、知識結構、學習方式、能力水平、以及自身的接受度等；外部約束特指外在的影響因素，相對于內(nèi)部約束條件外部約束顯得更為寬泛一些，例如學習分析中一些受保護的數(shù)據(jù)能否進行學習分析，若進行分析則是否會侵犯到學習者的隱私以及分析結果的顯示方式、反饋的及時與否、教師的干預手段、學習內(nèi)容的呈現(xiàn)等等。這些外部客觀的因素均會以不同形式直接或者間接影響學生學習效果。如何有效把握內(nèi)部約束、控制外部約束將成為學習分析應用過程中的重要挑戰(zhàn)。

（三）三類受眾

學習分析結果的應用通常包含三類：指導教師的教學、指導學生的學習、輔助教育管理者的管理。教師、學生、教育管理者是學習分析系統(tǒng)的三類核心受眾。在線學習通過學習分析系統(tǒng)為各類受眾提供精準、時宜、便捷、高效的教育服務，以滿足人們對個性化、靈活、優(yōu)質(zhì)的美好教育需求的期盼。

1.為教師提供科學化指導

學習分析可以輔助教師評估課程的教學效果和當前學生學習績效，全面了解學生對知識的掌握程度，以便做出科學有效的教學指導。利用學習分析技術深度分析與學習者學習相關的數(shù)據(jù)，能夠發(fā)現(xiàn)學習者個體的學習偏好、學習模式，繼而為教師進行針對性的教學指導，分組組織課堂協(xié)作學習，向?qū)W生推送相關資源，適當干預提供科學依據(jù)。此外學習分析技術還可以通過分析教師教學投入、參與情況以及教學效果等，為教師改善教學工作、調(diào)整教學進度、提升教學效果提供科學化的指導。

2.為學生提供個性化服務

學習分析可以幫助學習者實時評估自身學習效果與學習狀態(tài)，發(fā)現(xiàn)自身在學習過程中的優(yōu)勢與不足，并進行有針對性的查漏補缺、調(diào)整學習步伐。學習分析系統(tǒng)為學生提供個性化服務主要體現(xiàn)在，根據(jù)學生個性特征為學生推送個性化學習資源；判斷學生知識水平，提供個性化學習路徑；識別用戶終端設備，提供適應性學習內(nèi)容；感知學習者具體情境，提供恰當?shù)膶W習材料。

3.為管理者提供智能管理服務

學習分析在收集、整合各種教育數(shù)據(jù)資源的基礎上，通過科學統(tǒng)計與分析，并借助相應的分析工具從海量數(shù)據(jù)中獲取核心關鍵信息，發(fā)現(xiàn)隱藏的關聯(lián)規(guī)律。繼而把這些規(guī)律運用到教育管理中，為管理人員和決策者提供及時、全面、準確的數(shù)據(jù)支持，調(diào)整教學計劃、做出最終決策，以切實提高教育管理與決策的科學性，避免經(jīng)驗主義錯誤。

（四）四個環(huán)節(jié)

學習分析技術要在教育領域中推廣與使用，除了需要明確目標導向、約束條件以及了解受益者之外，還需要對學習分析的一般流程有一個全面的了解。學習分析過程的一般流程，包含數(shù)據(jù)收集與存儲、數(shù)據(jù)處理與分析、分析結果的呈現(xiàn)、應用與服務在內(nèi)的四個主要環(huán)節(jié)。

1.數(shù)據(jù)收集與存儲

學習分析需要依賴于大量的數(shù)據(jù)作為支撐，而數(shù)據(jù)的收集需要以學習分析目標為導向，以保證收集的數(shù)據(jù)與分析的目標高度相關。此外在大數(shù)據(jù)時代，數(shù)據(jù)的收集還需要充分考慮數(shù)據(jù)的多樣性，即除了傳統(tǒng)結構化數(shù)據(jù)之外，還需要采集大量非結構化數(shù)據(jù)，從而有效保障分析結果的準確、可靠與科學。另外，考慮到采集的數(shù)據(jù)可能跨越不同的教育平臺或系統(tǒng)，為此在數(shù)據(jù)存儲過程中需要重點注意兩點，其一需要打通數(shù)據(jù)壁壘，以保證數(shù)據(jù)的唯一、準確與完整；其二需要搭建通用的教育數(shù)據(jù)匯聚庫，既保證對接不同平臺與系統(tǒng)，又方便后續(xù)數(shù)據(jù)處理與分析。

在學習行為建模過程中強調(diào)通過分析學習者在線學習行為數(shù)據(jù)構建來分析學習者學習表現(xiàn)，而行為數(shù)據(jù)又可分為可直接觀察獲取的顯性行為數(shù)據(jù)（登錄系統(tǒng)、檢索信息、瀏覽網(wǎng)頁、點擊鏈接、下載資料、發(fā)表帖子的頻次等），和學習者內(nèi)部知識建構的隱性行為數(shù)據(jù)（發(fā)帖、討論、答疑等相關內(nèi)容）。顯性行為數(shù)據(jù)多以結構化的形式呈現(xiàn)，這些結構化的數(shù)據(jù)，通常直接存儲在傳統(tǒng)的關系數(shù)據(jù)庫中，即可用二維表結構來邏輯表達實現(xiàn)的數(shù)據(jù)。隱性行為數(shù)據(jù)多數(shù)為非結構化數(shù)據(jù)，其存儲方式既可以通過特定的處理方式，以結構化形式存儲（如處理成特定的矩陣），也可以直接以非結構化數(shù)據(jù)存儲方式直接存儲在NoSQI等非結構化數(shù)據(jù)管理系統(tǒng)中。

2.數(shù)據(jù)處理與分析

對于存儲的數(shù)據(jù)首先需要進行預處理，在剔除無效數(shù)據(jù)的基礎上進行量化分析。對于不同數(shù)據(jù)結構的數(shù)據(jù)，需要采用不同的處理、分析方法與工具。

結構化的數(shù)據(jù)需要依靠數(shù)學統(tǒng)計方法進行數(shù)據(jù)的篩選、處理與分析。例如，在學習行為預測模型構建過程中，首先需要對量化的數(shù)據(jù)進行散點圖以便大體篩選出相關變量，其次通過簡單的二元分析剔除不相關數(shù)據(jù)，最后進行回歸分析找出影響學生學習效果的變量并在變量與結果之間構建數(shù)學關系。而對于非結構化數(shù)據(jù)則需要在對內(nèi)容進行編碼以后依賴特定的分析工具進行處理與分析。例如，楊現(xiàn)民等人利用GSEQ工具分析在線交互內(nèi)容，挖掘在線學習過程中學習者潛在行為模式，并從學習行為分析視角闡釋影響學習效果的因素，同時為教師后續(xù)教學活動的設計與實施提供有力的支撐。

3.分析結果的呈現(xiàn)

學習分析結果的呈現(xiàn)方式?jīng)Q定了分析結果的可讀性和易讀性。由于數(shù)據(jù)量很大，傳統(tǒng)的統(tǒng)計報表結果很難清晰直觀地反映數(shù)據(jù)的主要特征，而直觀化的呈現(xiàn)方式有助于人們快捷地從數(shù)據(jù)中發(fā)現(xiàn)規(guī)律。學習分析呈現(xiàn)方式存在多種方式，如文本、報表、儀表盤、雷達圖、趨勢圖、信號燈等，隨著讀圖時代的來臨，以可視化的形式呈現(xiàn)分析結果將成為未來呈現(xiàn)方式的首要選擇。分析結果的可視化旨在通過圖形化手段，增加教師、學生以及管理者對分析結果的理解力度，從而有效地促進分析結果在具體教育教學中的普及應用。

美國普渡大學的“課程信號”（Conrse Signals）通過紅、黃、綠三種顏色信號燈的可視化形式直觀呈現(xiàn)了課程預測結果。在該項目中學生可以在學習頁面直觀讀取自己課程學習的預期結果，而教師也可以通過課程控制頁面了解全班所有學生的預測表現(xiàn)。其中信號燈的綠燈表示學習成功率較高的學習者；黃燈表示在課程學習過程中存在一定問題，并有可能出現(xiàn)學習失敗的學習者；紅燈表示在課程學習過程中極有可能出現(xiàn)學習失敗的學習者。通過信號燈的不同顏色的呈現(xiàn)，教師可以直觀的了解學生學習情況，并通過有針對性的調(diào)整教學節(jié)奏、推薦資源，促進更多學生通過課程學習。

4.應用與服務

學習分析結果的應用與服務是學習分析中至關重要的環(huán)節(jié)，也是對學習分析目標的直接表現(xiàn)。首屆學習分析與知識分享會議上指出學習分析就是“測量、收集、分析和報告有關學習者及其學習情境的數(shù)據(jù)，以理解、優(yōu)化學習及其學習環(huán)境”。其核心體現(xiàn)在利用可視化呈現(xiàn)的分析結果，優(yōu)化學習環(huán)境、調(diào)整教學內(nèi)容、干預教學過程、診斷學習效果、預測學習表現(xiàn)等。服務與指導又可分為宏觀與微觀兩種視角。從宏觀角度講，服務更多的是為教育決策者提供科學的決策，即通過對區(qū)域、學校層面的教育行政數(shù)據(jù)、教育管理數(shù)據(jù)以及學生人口學數(shù)據(jù)的綜合分析，為教育行政人員進行科學決策提供有力的支撐；而在微觀層面則更傾向于服務一線教師與學生，即通過對教與學過程中的教師教學數(shù)據(jù)、學生學習數(shù)據(jù)以及各類交互數(shù)據(jù)的跟蹤記錄與分析，為教師的教學干預提供依據(jù)，為學生的適應性學習提供建議。

在應用服務中很多部分由計算機自動完成，如奧斯丁皮耶州立大學學位指南項目。該系統(tǒng)采用自動預測分析技術，分析學生已有學習情況數(shù)據(jù)與以往學生的案例（相似的專業(yè)背景、學術能力、課程計劃等），進行自動數(shù)據(jù)匹配處理，并自動呈現(xiàn)個性化選課信息，以幫助學生更好地做出為獲得學位所需選擇課程的綜合判斷。當然還有一些情況下需要在教師、教學管理者以及學生協(xié)助下完成，比如Macfadyen等人基于Blackboard平臺的學習分析預警系統(tǒng)。該系統(tǒng)會根據(jù)學生在線學習表現(xiàn)預測學生學習表現(xiàn)，并通過平臺及時反饋給教師與學生。繼而由教師，學生根據(jù)反饋結果，調(diào)整教學進度、修改教學內(nèi)容，以提高學生學習結果。國內(nèi)鄧逢光等人基于Hadoop開源平臺為框架，自主搭建“學生校園行為大數(shù)據(jù)分析預警平臺”。該系統(tǒng)主要針對包括學生一卡通所產(chǎn)生的校園行為數(shù)據(jù)等，進行預警安全管控，實現(xiàn)學生管理手段的信息化，提升學生教育管理科學化水平。

五、總結與展望

一直以來研究者通過不斷的努力期望理解學生學習，但學習過程一直是一個未打開的“黑箱”。然而隨著學習分析在教育領域的不斷深入，其有望成為打開“黑箱”的鑰匙，使得整個學習過程從黑暗走向透明。本研究提出目標導向的學習分析模型，旨在通過從診斷評估、學習預測、教育研究三種應用目標的確立為學習分析技術在教育領域中的應用提供新的明確思路，為國內(nèi)學習分析技術的推廣與應用帶來一定啟發(fā)。

通過從模型類型、核心內(nèi)容、模型特色幾個維度對目前分析的幾類模型以及目標導向模型進行比較（如下表所示），我們可以發(fā)現(xiàn)目標導向?qū)W習分析模型的構建在核心內(nèi)容方面，對現(xiàn)有模型進行了完善?？偟膩碚f目標導向?qū)W習分析模型，既有從宏觀角度闡述學習分析中各相關要素，又能從微觀角度描述了學習分析的具體流程，從而使得教師全面把握學習分析的應用。此外，由于具有目標的引領，學習分析人員能夠按照既定的目標更加準確高效的收集相關數(shù)據(jù)，分析數(shù)據(jù)，從而提高分析效率，促進學習分析技術的普及應用。